کار واقعی هوش مصنوعی: چرا شخصی در طرح کلی و ارکستراسیون شغل های بزرگتر از آنچه فکر می کنید است

دو مفهوم هوش مصنوعی دیگر برای B2B و SaaS فنی نیستند – آنها انسانی هستند. “انسان در کانتور” و “ارکستراسیون AI” در عباراتی با احساس خوب احساس می شد که باعث می شود AI فرزندخواندگی بی دردسر به نظر برسد. واقعیت؟ آنها برخی از خواسته ترین و پیچیده ترین کارهایی هستند که سازمان شما تا به حال انجام خواهد داد.

شخص کنترل: بیش از یک شبکه ایمنی

هنگامی که بیشتر افراد “شخص را در طرح کلی” می شنوند ، هوش مصنوعی را به عنوان ابزاری تقویت کننده عملکرد و کم فکر ارائه می دهند که کار را آسانتر ، سریعتر ، کارآمدتر می کند. این اشتباه نیست ، اما ناقص است. قدرت واقعی سیستم های کانتور انسانی هنگامی ظاهر می شود که AI به مرزهای خود برخورد کند.

با هوش مصنوعی ، یکی از بالغ ترین برنامه هایی که امروز داریم ، پشتیبانی مشتری را دریافت کنید:

• هوش مصنوعی به زیبایی با روتین دستگیر می شود – انحراف سوالات استاندارد با سرعت و دقت
• مردم مناطق خاکستری دارند – ورود هنگامی که مشکلات بیش از حد ظریف ، عاطفی یا رمان برای هوش مصنوعی هستند
• این یک شکست هوش مصنوعی نیست – این دقیقاً همانطور که طراحی شده است ، با مداخله استراتژیک انسانی کار می کند

تصور غلط این است که این نمایش ها ناراحتی موقتی هستند که با بهبود هوش مصنوعی از بین می روند. در واقع:

• Rendafi از ویژگی های ثابت است در هر سیستم AI پایدار
• با بهبود هوش مصنوعی کار انسان به طور فزاینده ای دشوار می شود -نه ساده تر یا کمتر
• تیم های نگهداری با دشوارترین مشکلات مقابله می کنند – اغلب با یک زمینه ناقص و فشار در زمان
• 30 ٪ باقیمانده موارد نیاز به قضاوت انسانی در سطح متخصص دارند که AI نمی تواند تکرار شود

ارکستراسیون: بررسی واقعیت 60 روزه

ارکستراسیون AI تمیز و اتوماتیک به نظر می رسد – تأمین کنندگان خود را بکشید ، تابلوها را تنظیم کنید ، تماشا کنید که چگونه جادو اتفاق می افتد. تجربه واقعی بیشتر شبیه به کنترل ترافیک هوایی در هنگام رعد و برق است.

ارکستراسیون واقعی با آموزش شدید انسانی آغاز می شود:

• 60+ روز آموزش مداوم بعد از آشکار شدن – نه برای هوش مصنوعی بلکه برای مردم شما
• آموزش مردم برای کار با سیستم های هوش مصنوعی که مانند هر نرم افزاری که قبلاً استفاده می کردند رفتار نمی کنند
• سازگاری مداوم همانطور که هم قابلیت های هوش مصنوعی و هم نیازهای تجارت توسعه می یابد
• قیمت تنظیم یک بار نیست – ادامه تحصیل که هرگز متوقف نمی شود

سپس پیچیدگی عملیاتی روزانه می آید:

• هر راه حل هوش مصنوعی نیاز به یک بررسی انسانی دارد (حداقل در ابتدا)
• هر مورد از لبه به مستندات نیاز دارد و به روزرسانی های سیستم
• هر شاخص عملکرد به یک زمینه انسانی نیاز دارد که فقط می تواند متخصصان دامنه را ارائه دهد
• ارائه کیفیت کار کامل است -محل اقامت هفتگی

پیچیدگی توسط چندین سیستم به صورت نمایی ضرب می شود:

• هر هوش مصنوعی رژیم های منحصر به فردی از عجیب و خسارت دارد نیاز به دانش تخصصی
• چالش های ادغام چند برابر می شود در سیستم عامل ها و تأمین کنندگان مختلف
• تفسیر داده ها به یک مهارت تخصصی تبدیل می شوند همانطور که هر سیستم بینش های مختلفی ایجاد می کند • هماهنگی سیستم صلیب نیاز به درک چگونگی تعامل هوش مصنوعی و درگیری بالقوه دارد

تأثیر ضرب

در اینجا آنچه تأمین کنندگان به شما نمی گویند وجود دارد: استقرار چندین سیستم هوش مصنوعی فقط کار را اضافه نمی کند – آن را ضرب می کند.

چالش های هماهنگی به صورت نمایی پخش می شود:

• درک تعامل سیستم – چگونه محدودیت های chatbot شما با نقاط قوت ایمیل اتوماسیون شما تعامل دارد • از سیگنال های متضاد جلوگیری کنید – ارائه فروش هوش مصنوعی و بازاریابی هوش مصنوعی پیام های متناقضی را به چشم انداز نمی فرستد • جلوگیری از خطاهای سیستم عبور – توقف سیستم های AI از به دست آوردن خطاها بر روی یکدیگر • دنباله داده ها را مدیریت کنید – نگه داشتن اطلاعات مشتری در چندین سیستم عامل AI

این کار هماهنگی به یک تخصص کاملاً جدید نیاز دارد:

• ارکسترهای هوش مصنوعی – افرادی که می توانند در همان زمان در چندین سیستم فکر کنند • • مدیریت پیچیده وابستگی متقابل – درک چگونگی تأثیر تغییرات در یک سیستم بر دیگری • تصمیم گیری در زمان واقعی زیرا چه زمانی به AI اعتماد کنید و چه زمانی مداخله کنید • بهینه سازی سیستم استراتژیک – تعادل نتایج در اولویت های رقابتی AI

واقعیت عملیاتی پیچیده تر از آن است که کسی پیش بینی کند:

• هر سیستم به دانش تخصصی نیاز دارد برای پیکربندی و بهینه سازی موثر • انتشار خطای ادغام کار تمام وقت می شود به عنوان سیستم های AI به روش های غیر منتظره تعامل دارند • نظارت نمایی مقیاس – نه فقط تماشای هوش مصنوعی ، بلکه درک تأثیر ترکیبی آنها • کنترل کیفیت چند بعدی می شود – ارائه یک استراتژی صوتی و برند ثابت در تمام لمس های AI

تأیید واقعیت فروش: آنچه ایمیل های AI 4.495 واقعاً به ما آموخته اند

ابزارهای فروش AI در اطراف AI بی دردسر به نظر می رسد ، اما عملکرد واقعی داستانی متفاوت را نشان می دهد. هنگامی که Saaster یک ایمیل SDR 4،495 AI را ارسال کرد و به بالاترین سطح پاسخگویی رسید ، به این دلیل نبود که آنها سوئیچ را منتقل کردند-به این دلیل که آنها به عنوان یک شخص استخدام شده به آموزش AI مربوط می شوند.

سرمایه گذاری واقعی در زمان لازم است:

• هر روز صبح 90 دقیقه آموزش هوش مصنوعی و بهینه سازی
• 1 ساعت هر شب بهره وری و تنظیمات را مشاهده کنید
• پاسخ در زمان واقعی در طول روز برای حفظ استانداردهای کیفیت
• دو هفته تلاش شدید و متمرکز قبل از دیدن نتایج معنی دار

تهیه داده ها به همان اندازه شدید بود:

• 20+ میلیون کلمه از محتوای Saast تاریخ به سیستم آموزش
• داده های CRM 10+ سال برای یافتن الگوهای تعامل با مشتری
• گسترش قبل از شروع آموزش هوش مصنوعی
• حرفبه روزرسانی محتوای مرتبط برای حفظ پاسخ های AI بالا و مرتبط و مرتبط

حقیقت ناراحت کننده: “انجام AI کار بیشتر از استفاده از AI است. شما 10 برابر راه بهتری برای خروج دریافت می کنید ، اما برای به دست آوردن بالاترین سطح نتایج ، به” ارکستراسیون انسانی در سطح S “نیاز دارد.

این یک هک برای بهره وری نیست -این یک تغییر اساسی است که نیاز به مشارکت پیچیده تر انسانی دارد ، نه کمتر.

https://www.youtube.com/watch؟v=vrp8d5h3ktw

تله سرعت: چرا ارکستراسیون AI نیاز به تصمیم واقعی -زمان واقعی دارد

Tinplexity CBO لایه دیگری از پیچیدگی ها را نشان داد که اکثر سازمان ها از دست می دهند: هوش مصنوعی نه تنها آنچه را که انجام می دهید تغییر می دهد – وقتی مجبور به انجام آن هستید تغییر می کند. قاب جلسات آنها این موضوع را کاملاً نشان می دهد.

روند جدید فروش هوش مصنوعی نیاز دارد:

• مطالعات قبل از -Call AI – “هر سؤالی که معمولاً در زمان کشف تماس می پرسید اکنون باید قبل از جلسه از او خواسته شود” • عملکرد واقعی AI در حین تماس – به اشتراک گذاری صفحه نمایش و پرسیدن سؤال در مورد هوش مصنوعی در مورد چشم انداز زنده • راه حل های استراتژیک با یک ثانیه تقسیم برای چه اطلاعاتی در سطح و چه زمانی • مشکل -کار بدون ابزار در حالی که مکالمات معتبر بالا را حفظ می کنید

این نمایانگر شخصی است که در طرح اصلی ترین او قرار دارد:

• نه فقط مشاهده راه حل های AI پس از واقعیت -بارت ارکستراسیون امکانات AI در زمان واقعی • انجام هماهنگی پیچیده بین شهود انسان و هوش مصنوعی • حفظ دقت با چشم انداز در حالی که شما در حال کار در ابزار پیشرفته AI هستید • تفکر استراتژیک با سرعت دستگاه – تصمیم گیری به همان سرعت که هوش مصنوعی می تواند اطلاعات را ارائه دهد

ارکستراسیون باعث ترکیبات می شود زیرا:

• AI زمان آماده سازی را 90 دقیقه تا دقیقه فشرده می کند -باوت درخواست های جدیدی را برای تصمیم گیری در زمان واقعی ایجاد می کند • فروشندگان به تخصص مضاعف نیاز دارند – دانش دامنه ها و تسلط بر ابزارهای AI • هر تعامل به یک عملکرد پر جنب و جوش تبدیل می شود هر دو مهارت فنی و استراتژیک مورد نیاز • نوار صلاحیت فروش به طرز چشمگیری افزایش می یابد – عملکرد متوسط بلافاصله آشکار است

https://www.youtube.com/watch؟v=gam99zec8oc8oc

مدل انحراف: چرا تاریخ موفقیت 70 ٪ اهمیت می دهد

نگهداری مشتری در حال حاضر کد انحراف هوش مصنوعی را با نتایج چشمگیر در صنعت شکسته است:

اعداد انحراف همه نقل قول: • Dekagon میانگین سرعت انحراف را نزدیک 70 ٪ گزارش می دهد از طریق پایگاه مشتری خود • Duolingo بیش از 80 ٪ فشار می دهد انحراف با سیستم های نگهداری هوش مصنوعی آنها • Bilt 70 ٪ از 60،000 بلیط نگهداری ماهانه خود را کنترل می کند با عوامل AI • باله Intercom 86 درصد درصد به دست می آید برای مشکلات پیچیده مشتری

اما این چیزی است که این اعداد چشمگیر پنهان می کنند – ارکستر انسان در پشت آنها:

• تیم های نگهداری ناپدید نشدند – آنها در مدیران هوش مصنوعی و متخصصان تشدید توسعه می یابند • زمان روزانه در پیکربندی سیستم ها و بهینه سازی درختان راه حل های AI • رسیدگی پیچیده نمایش بین هوش مصنوعی و عوامل انسانی که نیاز به آموزش تخصصی دارند • نظارت بر عملکرد دائمی و کنترل کیفیت برای حفظ این سرعت انحراف

همانطور که جسی جان می گوید ، مدیرعامل DeCagon: “هوش مصنوعی غالباً به عنوان نابودی شغلی در نظر گرفته می شود ، اما در Dekagon ما برعکس است. عوامل هوش مصنوعی ما به جای جایگزینی آنها ، کار را تشدید می کنند.”

فروش همان مدل را دنبال می کند ، فقط 18-24 ماه پس از آن:

• معاملات روزمره منتقل شده به انحراف هوش مصنوعی – گسترش مجوزها ، تمدید استاندارد ، مطالعات اساسی محصول • معاملات پیچیده هنوز هم به ارکستراسیون انسان نیاز دارد – ساخت روابط ، مکالمات استراتژیک ، مذاکرات سفارش • چالش انتخاب بین مردم و هوش مصنوعی نیست – این هر دو مؤثر سازماندهی شده است • موفقیت نیاز به هماهنگی پیچیده دارد بین امکانات هوش مصنوعی و تخصص انسانی

کار پیش رو

سازمان هایی که به هوش مصنوعی می روند ، اغلب این پیچیدگی انسانی را دست کم می گیرند زیرا آنها از هوش مصنوعی به عنوان یک مشکل فناوری فکر می کنند. این در واقع یک مشکل در توانایی سازمانی است.

سوال اصلی این نیست که آیا هوش مصنوعی باعث افزایش بهره وری می شود – این اتفاق خواهد افتاد. سؤال این است که آیا شما برای انواع جدیدی از کار آماده شده اید که بهره وری نیازها را افزایش می دهد.

داده های موفقیت آمیز هوش مصنوعی یک داستان ثابت را روایت می کند:

• مشارکت انسان با بلوغ هوش مصنوعی کاهش نمی یابد – او تخصصی تر و مهم تر می شود
• تیم های فروش به یک ارکستر انسانی در سطح S نیاز دارند“ برای به دست آوردن بالاترین سطح نتایج هوش مصنوعی
• تیم های نگهداری نیاز به نظارت مداوم انسان دارند و بهینه سازی برای انحراف هوش مصنوعی برای کار
• تیم های بازاریابی به یک استراتژی پیچیده تر نیاز دارند و مدیریت برند ، نه کمتر

آینده هوش مصنوعی کار کمتری انسانی نیست – این یک کار انسانی متفاوت است. سازمان هایی که این واقعیت را پوشش می دهند ، بازده سرمایه گذاری را پیدا می کنند. اما فریب نخورید: آنها برای رسیدن به آنجا بیشتر از همیشه کار خواهند کرد.